关键词： 机组组合   风力发电   分布鲁棒优化   非参数统计   时空相关性  

摘要： 作为解决能源环境问题有力措施之一,风电出力在提供大量清洁可再生能源的同时,其难以预测的随机波动性增加了电力系统运行调度的不确定性,特别对于大规模、高比例风电并网情形,其并网系统的日前机组优化调度问题已然面临强不确定性的直接影响,成为当前亟需解决的重点与难点性问题。据此,本文针对含大规模、高比例不确定性风电接入的日前机组组合问题,从风电的不确定性处理与机组组合方法两个层面,开展考虑风电不确定性的分布鲁棒机组组合（Distributionally Robust Unit Commitment,DRUC）模型研究。论文的主要工作阐述如下:首先,结合条件风险价值（Conditional Value-at-Risk,CVaR）方法,建立基于动态消纳区间的两阶段鲁棒机组组合模型,并采用列与约束生成（Column and Constraint Generation,C＆CG）算法进行迭代求解。该模型从时间-区间两个角度构建多面体不确定集,并在不确定集中引入不确定预算参数。摒弃以往依据经验主观给定风电消纳边界的方法,利用机组组合成本和基于CVaR的风险损失成本动态折衷对消纳边界进行优化。遵从能推进机组组合问题与鲁棒优化方法高效衔接的自适应优化机制,对扰动进行实时追踪。算例分析验证了模型的可行性。其次,针对风电概率分布无法精确捕捉导致鲁棒优化模型过于保守的问题,建立基于非参数统计的DRUC模型。基于非参数统计理论,无需假设风电出力服从某一特定分布,而是由历史样本建立数据驱动的模糊集,得到给定置信水平下包含真实累积概率分布函数（Cumulative Distribution Function,CDF）的置信带,从而推导出风电真实出力区间,完成模糊集到不确定集的转换。进而从时间-空间-区间三个角度刻画多面体不确定集,并与自适应鲁棒优化模型衔接,得到min-max-min三层分布鲁棒机组组合模型。该模型利用强对偶定理和大M法进行转化,C＆CG算法进行迭代求解,由于该模型加入更多不确定参量的概率分布信息,极大降低解的保守性,算例分析验证了模型的有效性。最后,为了准确表达机组组合中风电功率预测信息的精细化特征,建立一种考虑风功率时空相关性的DRUC模型。选择t-copu1a函数描述风功率相关性,直接采样生成预测误差新样本集,再基于非参数统计方法,构建可以反映风电功率统计特性、分布规律和时空相关性三种特征的模糊集,进而通过CDF置信带获得更贴近实际的风电消纳边界,并与已有DRUC模型对接完成建模。该模型考虑了火电机组的启停成本、运行成本和风险成本,为了便于模型的求解,将原问题分为日前机组组合主问题以及不确定集最恶劣场景下经济运行子问题。Pearson相关系数证实了预测误差间存在时空相关性的真实性,多风电场的算例分析验证了模型的正确性。

关键词： 人工智能技术   风力发电   新能源技术  

摘要： 人工智能技术是现代信息技术发展到一定阶段的产物,人工智能技术的应用是我国社会现代化发展的重要标志之一。电力行业是现阶段保障人们正常生活的基础性行业,将人工智能技术应用到电力中的风力发电领域,对提高风力发电效率和风力发电安全性具有重要作用。本文以人工智能技术为主要研究对象,着重对人工智能技术在风力发电领域的具体应用进行分析,旨在提高我国电力行业风力发电技术水平。

关键词： 功率预测   长短期记忆神经网络   注意力机制   非参数核密度估计   马尔可夫链状态转移模型  

摘要： 近年来,随着风力发电技术的不断进步,风电机组正逐渐趋于大型化、结构复杂化,再加之运行环境比较恶劣、安装地点又非常偏远,从而使得对风电机组的运行性能进行评估显得尤为重要。由于输出功率是风电机组性能优劣的直接反映,采用运行数据对其进行建模分析已成为时下对风电机组性能评估的研究热点。本文基于风电机组监控数据采集系统（Supervisory Control And Data Acquisition,SCADA）采集的数据实现了对风电机组建模及性能评估方法的研究。该文主要针对以下几个部分展开研究:（1）考虑到风电机组运行工况复杂,监测变量间具有较强的非线性,以及传统的机器学习算法难以学习抽象的高维度特征,本文引入深度学习算法的研究成果,依据风电机组输出功率的特点,利用长短期记忆神经网络所具有的“记忆”功能来构建风电机组功率预测模型,并通过在网络隐含层之间嵌入注意力机制来合理分配不同状态特征注意力权重,提高模型的预测能力,并且通过引入随时间反向传播算法和Dropout技术来解决使用该模型所带来的权值更新和过拟合问题,进一步提高模型的预测效果。（2）基于统计学理论,通过对实际风电机组输出功率预测结果采用非参数核密度估计的功率残差概率密度估计模型来量化风电机组的异常程度,针对非参数核密度估计模型的带宽值对模型拟合效果有较大影响,通过采用最小二乘交叉验证的方法来求取最优带宽值,提高模型的预测精度。（3）考虑到除了突发状况,通常风电机组性能发生变化往往经历多个衰变阶段最后到达失效或者故障阶段,根据非参数核密度估计结果求取该模型的累计概率分布函数,通过显著水平将功率残差划分不同的状态区间,最后建立基于随机过程的有限状态空间离散马尔可夫状态转移模型,通过计算风电机组运行在各个状态之间的转移概率并结合异常指标来分析风电机组运行状态的变化趋势,使得能够更加直观、有效的检测出风电机组的运行行为状态变化情况以及对风电机组性能优劣程度做出有效评估,并制定出最佳检修策略优先级,对提高整个风电场的运行维护效率和经济效益具有一定的参考价值。

关键词： 机舱罩装配平台   电液伺服技术   建模与仿真   模糊控制  

摘要： 风力发电机机舱罩是风力发电机的核心构件之一,功能为保护风力发电机内部电气、机械设备不受外部环境侵蚀。恶劣的工作环境对机舱罩的装配质量提出了较高要求。机舱罩的生产速度与产品质量,直接决定了风力发电机的生产效率与使用寿命。目前,风力发电机机舱罩装配主要使用天车吊装或固定地面工装,长时间占用装配场地,装配效率低,劳动强度高,装配精度无法保证。随着风电市场的持续扩大以及单机发电功率的增长,常规的机舱罩装配方式已经无法满足市场对机舱罩生产效率、装配质量的要求。因此,设计一套风力发电机机舱罩装配平台就成为提高机舱罩生产效率与装配质量的重要环节。首先,本文依据风力发电机机舱罩的装配要求,研究国内外大量装配技术与液压设备后,设计了一套风力发电机机舱罩装配平台。装配平台以液压、气压设备为基础,实现了4MW、6MW等不同类型风力发电机机舱罩的自动化装配。其次,对装配平台的液压系统进行了详细的设计与分析,建立了阀控非对称液压缸的数学模型,并研究了系统的频率特性与动态特性。将传统PID控制应用于装配平台电液伺服系统,研究了单个倾斜液压缸的阶跃响应特性。设计了基于PID控制的前后倾斜液压缸同步控制系统,并进行了仿真分析,选取合适的同步误差反馈系数。在控制系统中引入模糊自适应PID控制,设计了装配平台液压系统的模糊控制器并进行仿真。通过仿真结果,分析模糊自适应PID控制对原系统的动态特性以及对前后倾斜液压缸同步位移差的影响。最后设计了机舱罩装配平台的计算机控制界面。风力发电机机舱罩装配平台将液压设备与自动控制原理相结合,使装配平台运动精度达到了设计要求,控制性能良好。

关键词： 风力发电机   雾凇覆冰   数值模型   自然覆冰观测  

摘要： 近年来,包括风力发电在内的清洁能源迅速发展,但在高纬度高寒地区和一些低纬度的内陆山地,风力发电机易受到覆冰的影响,破坏其气动性能,导致功率输出下降,甚至停机。风力发电机覆冰是涉及流体力学,空气动力学和热力学等多门学科的复杂物理过程,模拟与试验困难。建立风力发电机叶片覆冰数值计算模型,实现风力发电机叶片覆冰形态的模拟和预测,对于指导风力发电机在覆冰期的安全稳定运行以及辅助翼型的防冰设计有着重要的意义。本文从风力发电机叶片覆冰的基本物理过程出发,采用野外自然覆冰观测、模型建立和结果分析相结合的方法针对叶片的雾凇覆冰进行系统性的研究。第一,对风力发电机叶片在不同自然条件下形成的覆冰进行观测,对叶片覆冰的分布特性进行了分析;第二,研究了风力发电机叶片外部气流场,水滴运动轨迹及其碰撞过程;第三,研究了风力发电机叶片表面水滴的冻结特性,构建了风力发电机叶片雾凇覆冰数值计算模型。具体工作和取得的成果如下:在重庆大学雪峰山能源装备安全野外科学观测研究站对300k W风电设备叶片在不同条件下的覆冰进行了观测,结果表明,冰主要在叶片的前缘和迎风面生长,冰厚沿着叶展方向从叶根向叶尖逐渐增厚,随着温度的降低,覆冰类型从雨凇向雾凇发展,随着风速的增大,覆冰的不均匀程度增大。基于风力发电机叶片的特殊结构和运行方式,将三维叶片沿展向截出数个截面,将三维物体化为二维截面进行覆冰模拟。改变了传统使用有限元法计算风力发电机叶片外流场的方式采用边界元法的风力发电机叶片外流场计算模型,将二维模型进行降维处理,大幅度提高了计算效率,基于拉格朗日法建立了水滴运动轨迹计算模型,基于向量叉积定理建立了水滴碰撞计算模型,得到了叶片表面水滴碰撞特性,通过计算得出,水滴的碰撞在翼型驻点附近最为密集,向两端逐渐减小,主要集中在压力面和前缘,且随着风速、水滴中值体积直径和翼型尺寸的减小,水滴的局部碰撞系数都将有不同程度的增加。利用传质传热方程建立了干湿增长覆冰临界分析模型,并对叶片表面局部冻结特性进行了分析,结果表明,在本文的研究范围内,随着水滴中值体积直径和液态水含量的增大,覆冰类型从雾凇向雨凇发展,干/湿增长临界温度点降低,随着风速的增大,覆冰类型从雨凇向雾凇转化,干/湿增长临界温度点升高。最终,通过本文建立的风力发电机叶片外流场模型、水滴轨迹和碰撞模型并通过干/湿增长临界条件计算二维截面覆冰冰形,将数个截面的二维结果合成为三维覆冰图像,建立了风力发电机雾凇覆冰计算模型,对风力发电机三维雾凇覆冰分布特性和不同环境因素对雾凇覆冰的影响进行了分析,计算结果呈现出了与观测结果一致的分布特性,雾凇覆冰的覆盖区域与过冷却水滴在叶片上的碰撞区域相同,冰厚沿着叶展方向逐渐增大;水滴中值体积直径、液态水含量和风速的增大都将导致叶片覆冰冰厚的增加。采用前述野外科学观测站的300k W风力发电机自然雾凇覆冰观测结果检验本文建立的模型的准确性,结果表明,仿真结果与观测图像吻合度较高,覆冰分布特性较一致,整体冰厚较自然观测结果更小,叶尖部位的相对误差在13%以内。

关键词： 模型预测控制理论   风速随机性   暂态稳定性   风力发电  

摘要： 为实现“双碳”目标,近年来我国大力发展以风力发电为代表的新能源技术,以更加科学和安全稳定的能源方案满足社会经济发展的能源需求,风力发电系统的稳定运行需要完备的控制方案。风力发电系统的暂态控制主要分为机械暂态控制和电磁暂态控制两大类,前者由于随机扰动频发且研究的时间尺度较长而常被忽略,但近年来随机风速的干扰引发了许多严重的风力发电系统稳定性问题,因此人们开始更加重视机械暂态的控制。在现有的双馈风力发电机（Doubly-fed Wind Generator,DFIG）暂态控制研究上,人们通常只关注机械暂态和电磁暂态两者中的某一个方面的控制,这样做不仅导致了控制策略的不完整,还带来了一系列保守性问题。为此,本文在考虑随机风速干扰的基础上,以机械暂态和电磁暂态控制相结合为切入点,基于分布式模型预测控制理论（Distributed Model PredictiveControl,Di-MPC）的思想,设计了一种DFIG有功功率的控制方案,本文的主要工作为:（1）从模型搭建出发,本文推导并建立了随机波动强度可调节的有效随机风速模型,其次依据空气动力学原理和DFIG的基本方程,构建了风力机和转子侧变流控制器的状态空间模型,最后在仿真平台中搭建出完整的DFIG模型,该模型风速输入的随机强度可调节,其它参数也与设计目标适配。（2）为了充分考虑随机风速的干扰,本文结合风速的随机性信息和风力机的输入输出参数以及相关约束,设计了针对机械暂态控制的基于随机模型预测控制理论（Stochastic Model Predictive Control,SMPC）的变桨距子控制器,和结合转子电流、电压信息设计了针对电磁暂态控制的基于模型预测控制理论（Model Predictive Control,MPC）的转子侧变流子控制器,从而形成基于Di-MPC的DFIG有功功率闭环控制方案。仿真实验证明,本文所提出的控制方案能够更好地处理含有随机风速干扰的暂态稳定性问题。（3）本文为探究随机风速扰动对风电系统暂态稳定性的影响,将风电机组并入3机9节点标准电网,以系统的极限切除时间（Critical Clearing Time,CCT）为评估指标设计了一系列仿真对照实验,探究了不同的风速随机波动强度、风机并网方式、风机并网容量和网侧故障对并网风机系统暂态功角稳定性的影响,仿真实验结果显示,利用本文所提出的控制方案和传统的模型预测控制方案以及PID控制下的控制效果相比,CCT有所提升,本方案具有一定的价值。

关键词： 山地   双馈   风力发电机组   应用  

摘要： 随着经济的发展,人们的环境保护意识不断增强,开发和利用以风能为代表的各类可再生能源以成为人类解决生存问题的战略选择.风力发电技术是目前最成熟的可再生能源发电技术之一,也是许多发达国家重点开发的新能源发电技术.风能是洁净的、可再生的、储量非常大的能源,为了缓解能源危机和供电压力,改善人类生存环境,在20世纪70年代中叶受到许多国家的重视和开发利用.

关键词： 永磁同步风力发电机   变速控制   变桨距控制   扰动观测器   滑模控制  

摘要： 风能具有空间尺度上的不均匀性、时间尺度上的波动性,易造成输出功率振荡、捕获风能减少甚至机组紧急停机。本文以永磁同步风力发电机（permanent magnetic synchronous generator,PMSG）为研究对象,设计了一种基于扰动补偿的滑模控制（perturbation compensation based sliding-mode robust control,PCSMC）策略,旨在实现PMSG在复杂不确定工况下的变速变桨距鲁棒控制,主要研究内容如下:（1）基于风力发电基本理论、系统基本结构、变速控制原理和额定风速以上功率控制原理,建立非线性、强耦合、多变量的PMSG系统数学模型。然后,通过坐标变换理论,将上述模型转换到两相旋转坐标系中以直观描述系统动态特性。此外,通过MATLAB/Simulink软件搭建对应的PMSG系统仿真模型,为评估所设计控制策略的控制性能提供了有力的分析工具。（2）基于扰动观测器和滑模控制（sliding-mode control,SMC）基本原理,提出PCSMC策略。首先,通过状态-扰动观测器（state and perturbation observer,SPO）将系统非线性、参数不确定性、未建模动态和外部时变干扰等扰动实时在线估计;随后,基于改进的SMC对上述扰动实时完全补偿,以保证不同工况下控制性能的全局一致性。特别地,所提方法具有强鲁棒性的特点,而无需精确系统模型。与传统SMC相比,PCSMC通过对扰动实时估计与补偿,弥补了传统SMC考虑最大可达性而补偿系统上限值过于保守的缺陷;同时,采用饱和函数sat（·）代替原始符号函数sgn（·）以削弱抖振现象。（3）针对额定风速以下工况,将所设计PCSMC应用于PMSG的变速鲁棒控制,以在随机不确定环境下跟踪高质量的风力发电系统最大功率点,捕获最大风能。具体地,首先,基于（1）所述PMSG系统数学模型,建立PMSG系统变速控制的状态空间方程。然后,基于（2）所述PCSMC原理,针对机械转速ωm和d轴电流id,分别将系统非线性和复杂不确定性等干扰聚合为新的扰动。最后,分别采用三阶、二阶SPO实时估计ωm、id的新扰动,并通过改进的SMC对上述估计扰动实时完全补偿。所提方法对精确系统模型和系统参数变化均不敏感,且仅需测量机械转速和d轴电流。此外,阶跃风速、低频随机风速、高频随机风速和发电机参数不确定算例下的MATLAB/Simulink仿真结果证明了 PCSMC的有效性和优势;基于dSpace的硬件在环（hardware-in-loop,HIL）实验检验了所提方法的硬件可实施性。（4）针对额定风速以上工况,将所设计PCSMC应用于PMSG的变桨距鲁棒控制,以维持风力发电系统输出功率在其额定值附近,减小系统疲劳载荷,保障机组安全。具体地,首先,基于（1）所述PMSG系统数学模型,建立PMSG系统变桨距控制的状态空间方程。然后,基于（2）所述PCSMC原理,针对机械转速ωm、d-q轴电流id,q,分别将系统非线性和复杂不确定性等干扰聚合为新的扰动。最后,分别采用三阶、二阶SPO实时估计ωm、id,q的新扰动,并通过改进的SMC对上述估计扰动实时完全补偿。该方法对精确系统模型和系统参数变化均不敏感,且仅需测量机械转速和d-q轴电流。同时,渐变风速、随机风速和磁通量变化算例下的MATLAB/Simulink仿真结果验证了 PCSMC优异的控制性能;基于dSpace的HIL实验验证了该方法的硬件可行性。

关键词： 风力发电   风机轴承   故障诊断   深度学习  

摘要： 化石等不可再生能源大量、长时间的使用,不仅使得全球能源逐渐枯竭,而且也使得环境不断受到污染,因此可再生使源受到越来越多的关注。近年来风力发电作为可再生能源的主力军,在发电领域的地位也是越来越高,随着风力发电规模稳步增长的同时,风力发电机的故障逐渐成为其发展的难题,其中轴承作为风力发电机重要的传动部件,因此风力发电机轴承是否能够的稳定运行直接影响着风力发电机的发电效率与运行安全。本论文通过对风力发电机在运行过程中在内圈、外圈、滚动体上发生的故障特点,结合当前流行的的深度学习法,研究了基于深度学习的风力发电机轴承故障诊断,本文的主要工作如下:首先针对风力发电机的轴承故障,设计并实现了一种基于LSTM长短期记忆神经网络的风力发电机轴承故障诊断模型,该诊断模型的输入为风力发电机的原始振动信号,利用LSTM自有提取特征功能提取轴承故障特征值,从而对风力发电机内圈、外圈、滚动体不同程度的故障进行诊断,该方法弥补了人工提取特征值的不足,构建了轴承始端到末端的故障诊断模型,实现了对风力发电机轴承的智能化故障诊断。其次,对于LSTM在进行故障诊断时,不能自行寻找最优参数,从而导致模型的故障诊断能力及实用性较差,本文提出一种改进的粒子群算法,首先用该方法对LSTM故障诊断模型中的参数进行寻优,从而构建起基于粒子群优化的LSTM风力发电机轴承故障诊断模型,该模型大大提高了故障诊断的准确率。